論文の概要: Pre-Trained and Attention-Based Neural Networks for Building Noetic Task-Oriented Dialogue Systems

• arxiv url: http://arxiv.org/abs/2004.01940v1
• Date: Sat, 4 Apr 2020 14:14:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 23:00:00.799102
• Title: Pre-Trained and Attention-Based Neural Networks for Building Noetic Task-Oriented Dialogue Systems
• Title（参考訳）: タスク指向対話システム構築のための事前学習型・注意型ニューラルネットワーク
• Authors: Jia-Chen Gu, Tianda Li, Quan Liu, Xiaodan Zhu, Zhen-Hua Ling, Yu-Ping Ruan
• Abstract要約: 本稿では,NOESIS II チャレンジの下で,全てのサブタスクで評価されるシステムについて述べる。 マルチターン対話システムにおいて,事前学習した言語モデルに適応する適応法が提案されている。 DSTC8のトラック2の評価結果では,提案モデルがサブタスク1で第4位,サブタスク2で第3位,サブタスク3で第1位,サブタスク4で第4位であった。
• 参考スコア（独自算出の注目度）: 47.230754691257836
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The NOESIS II challenge, as the Track 2 of the 8th Dialogue System Technology Challenges (DSTC 8), is the extension of DSTC 7. This track incorporates new elements that are vital for the creation of a deployed task-oriented dialogue system. This paper describes our systems that are evaluated on all subtasks under this challenge. We study the problem of employing pre-trained attention-based network for multi-turn dialogue systems. Meanwhile, several adaptation methods are proposed to adapt the pre-trained language models for multi-turn dialogue systems, in order to keep the intrinsic property of dialogue systems. In the released evaluation results of Track 2 of DSTC 8, our proposed models ranked fourth in subtask 1, third in subtask 2, and first in subtask 3 and subtask 4 respectively.
• Abstract（参考訳）: NOESIS IIチャレンジは、第8回対話システム技術チャレンジ(DSTC 8)のトラック2として、DSTC 7の拡張である。 このトラックは、デプロイされたタスク指向対話システムを作成するのに不可欠な新しい要素を取り入れている。 本稿では,本課題における全てのサブタスクで評価されるシステムについて述べる。 マルチターン対話システムにおいて,事前学習型注意ネットワークを利用する際の問題点について検討する。 一方,対話システムの本質性を保ちつつ,学習済み言語モデルを多元対話システムに適用するための適応手法が提案されている。 dstc 8のトラック2の評価結果では,提案モデルはサブタスク1で第4位,サブタスク2で第3位,サブタスク3で第1位であった。

関連論文リスト

• UniDS: A Unified Dialogue System for Chit-Chat and Task-oriented Dialogues [59.499965460525694]
  上記の2つのスキルを備えた統合対話システム(UniDS)を提案する。 我々は、チャットとタスク指向の対話の両方に対応可能な統合対話データスキーマを設計する。 我々は、事前訓練されたチャット対話モデルから混合対話データでUniDSを訓練する。
  論文  参考訳（メタデータ） (2021-10-15T11:56:47Z)
• A Knowledge-Grounded Dialog System Based on Pre-Trained Language Models [0.7699714865575189]
  第9回対話システム技術チャレンジ(DSTC9)のために開発された知識基底ダイアログシステムを提案する。 既存の言語モデルによるトランスファー学習を活用して,課題トラックのタスクを達成します。
  論文  参考訳（メタデータ） (2021-06-28T07:56:10Z)
• A Unified Pre-training Framework for Conversational AI [25.514505462661763]
  PLATO-2は、簡略化された1対1のマッピング関係に適合するように、2段階のカリキュラム学習によって訓練される。 PLATO-2は3つのタスクで1位を獲得し、様々な対話システムのための統一されたフレームワークとしての有効性を検証する。
  論文  参考訳（メタデータ） (2021-05-06T07:27:11Z)
• Overview of the Ninth Dialog System Technology Challenge: DSTC9 [111.35889309106359]
  第9回対話システム技術チャレンジ(DSTC-9)は、対話システムにおける4つの異なるタスクにエンドツーエンドの対話技術を適用することに焦点を当てている。 本稿では,各トラックのタスク定義,データセット,ベースライン,評価設定について述べる。
  論文  参考訳（メタデータ） (2020-11-12T16:43:10Z)
• The SPPD System for Schema Guided Dialogue State Tracking Challenge [2.181419218084711]
  本稿では,Dialog System Technology Challenges 8(DSTC8)について紹介する。 DSTC8のトラック4と名付けられたこのチャレンジは、スケーラブルなマルチドメイン対話状態追跡アルゴリズムを開発するための、まったく新しい、そして挑戦的なデータセットを提供する。 本稿では,ゼロショット対話状態追跡システムを提案する。
  論文  参考訳（メタデータ） (2020-06-16T09:57:40Z)
• Modelling Hierarchical Structure between Dialogue Policy and Natural Language Generator with Option Framework for Task-oriented Dialogue System [49.39150449455407]
  HDNOは、特定の対話行為表現の設計を避けるために潜在対話行為を設計するためのオプションフレームワークである。 RL,LaRL,HDSAで学習した単語レベルE2Eモデルと比較して,マルチドメイン対話のデータセットであるMultiWoz 2.0とMultiWoz 2.1でHDNOをテストする。
  論文  参考訳（メタデータ） (2020-06-11T20:55:28Z)
• TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented Dialogue [113.45485470103762]
  本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。 事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
  論文  参考訳（メタデータ） (2020-04-15T04:09:05Z)
• Recent Advances and Challenges in Task-oriented Dialog System [63.82055978899631]
  課題指向対話システムは、学術・産業社会でますます注目を集めている。 タスク指向ダイアログシステムにおける3つの重要なトピックについて論じる。(1)低リソース環境でのダイアログモデリングを容易にするデータ効率の改善、(2)ダイアログポリシー学習のためのマルチターンダイナミクスのモデリング、(3)ダイアログモデルへのドメイン知識の統合。
  論文  参考訳（メタデータ） (2020-03-17T01:34:56Z)
• Multi-step Joint-Modality Attention Network for Scene-Aware Dialogue System [13.687071779732285]
  本稿では,リカレントニューラルネットワーク(RNN)に基づく多段階共同モダリティアテンションネットワーク(JMAN)を提案する。 本モデルでは,ROUGE-LスコアとCIDErスコアのベースラインよりも12.1%,22.4%向上した。
  論文  参考訳（メタデータ） (2020-01-17T09:18:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。